【文章摘要-20230424】Multi-View Clustering via Semi-non-negativeTensor Factorization

原文链接

摘要：基于非负矩阵因子分解（NMF）的多视图聚类（MVC）及其变体由于其在聚类可解释性方面的优势，近年来受到了极大的关注。

然而，现有的基于NMF的多视图聚类方法分别对每个视图数据采用非负矩阵因子分解，而忽略了视图之间的影响。因此，它们不能很好地利用视图内的空间结构和视图间的互补信息。

为了解决这个问题，我们提出了半非负张量因子分解方法（semi-NTF），并开发了一种新的基于单侧正交约束的半NTF的多视图聚类。

我们的模型直接对由视图的锚图组成的三阶张量执行半NTF。因此，我们的模型直接考虑了视图之间的关系。此外，我们使用张量Schatten p范数正则化作为三阶张量的秩近似，该张量表征多视图数据的聚类结构，并利用视图之间的互补信息。此外，我们提供了一个优化算法，并从数学上证明了该算法总是收敛于平稳KKT点。

在各种基准数据集上的大量实验表明，我们提出的方法能够获得令人满意的聚类性能。